很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～
如有投稿需求，请把文章发送到邮箱tougao@appcpx.com，一经录用会有专人和您联系
咨询如何成为春羽作者请联系：鸟哥笔记小羽毛（ngbjxym）
作者 | 张语格
编辑 | 趣解商业·AI力场
语音对话，是用户与AI交互最常见的方式之一，大模型的语音对话能力已成为AI应用和硬件的关键能力。Deepgram 和 Opus Research 的调研显示，2025年，67% 的企业已将对话式AI 智能体置于战略核心位置，84% 的企业计划在未来一年增加相关投入。
此外，“趣解商业”注意到，AI语音赛道正在密集地获得融资，OpenAI、Google等科技巨头也在密集发布自己的语音模型或语音产品。
在这个日渐火热的赛道里，一些为 AI 产品提供底层语音交互技术的平台型公司，正在AI产业中扮演越来越重要的角色。
在生成式AI 的浪潮下，基于实时互动技术的对话式 AI 正加速在各行各业落地实践。
对话式AI整合了大语言模型（LLM）、自动语音识别（ASR）、文字转语音（TTS）、实时互动（RTE）等技术，当前已在情感陪伴、智能硬件、在线教育等场景中实现规模化落地，陪伴类玩具、智能眼镜、AI耳机等产品纷纷成为消费者争抢的对象。
然而，伴随消费热潮而来的还有居高不下的退货率。此前有媒体报道，AI毛绒玩具电商退货率高达30%-40%，有些品牌的AI眼镜退货率甚至在40%-50%。
究其原因，仍然当前 AI 硬件普遍面临交互生硬、情感连接弱、同质化严重等问题。有不少消费者表示，AI对话的体验像是机器人一样毫无感情“念稿”，没有真实感且不流畅。有网友在社媒平台上发帖表示，买的陪伴机器人到手体验后感觉“好笨、会答错、交互比较呆”，就退货了。
“IT桔子”发布的“AIGC产品降速榜”显示，今年9月聊天机器人、写作工具等通用类AI产品的增速集体下降。“趣解商业”注意到，很多情况下AI产品被吐槽都是源于未能准确理解用户的需求。
行业数据显示，仅 21% 的用户对现有 AI 对话体验满意，部分服务的用户流失率高到“不可接受”。
声智科技副总裁黄赟贺表示，真正的语音交互不止于语言交流，在语言之外，AI还要分析用户声音的频率、振幅、波形，提取出情绪特征、识别不同的声源、声源距离、甚至预测用户的意图，“语调、音色、节奏、情绪，以及背景音乐、环境噪音（风声、雨声、车声）、物体发出的声音（开门声、打字声）这些环境中的各种非语音信息，也都是AI理解用户的重要方式。”
但是，想要AI在复杂的环境中理解用户意图，并且通过端到端准确传递给用户，还要克服不少技术瓶颈。在近期举办的Convo AI&RTE 2025第十一届实时互联网大会上，声网创始人兼CEO赵斌对话式AI的技术挑战概括为几点：低延迟响应、自然打断、上下文管理、情感理解与表达等。
人类对话的延迟一般在400毫秒左右；有研究表明，当语音AI的响应延迟超过 500 毫秒时，用户体验会显著下降，导致对话中断或用户放弃使用。然而，传统的语音合成链路，从语音识别、大语言模型到语音合成，延迟能达到 2-3 秒，高延迟成了人机交互一大痛点。
AI产品的防干扰能力也很关键，如何识别哪些打断的指令来自用户，哪些是嘈杂的环境音，被用户打断补充后仍能流畅地给出回应，这既需要语音识别有声学基础，也要有足够的上下文记忆和理解能力。
对于用户来说，期待的不仅仅是一个能提供正确回答的机器，还是一个有“人味”的AI；如何解决这些挑战，则是对话式AI产品具备拟人感的关键。
声网联合 RTE 开发者社区发布的《2025 对话式 AI 应用场景热力榜单》显示，AI 语音助手、AI 社交与陪伴、AI 潮玩位列前三，充分说明对话式 AI 在个人助理与情感陪伴领域的强劲需求。而AI语音交互的需求，也带动了一批平台型语音技术公司迅速增长。
随着对话式 AI 技术的快速发展，VoiceAgent 是目前市场上极具代表性的产品形态；当前Voice Agent主要有两种主流架构方式——传统的级联模式和端到端模式。级联模式是将三个独立组件（语音识别、大模型推理、语音合成）串联起来的流水线，开发者可以自由选择不同公司的组件组装产品；端到端模式则是由模型内部处理，直接输出语音回复。
不同模式各有优劣，但无论哪种模式，都离不开稳定低延迟的实时传输技术作为底层支持。在此基础上，一批提供稳定传输网络的实时通信服务商开始迅速增长，例如即构科技、融云、科大讯飞、声网等。
有行业人士表示，相比大厂的泛用型云服务，这些垂类公司胜在音视频领域传输更稳定。例如声网，就是在全球搭建了自己的网络，全球任意两点之间都能保证传输效率，但大厂很难为单一的音频业务优化得这么细致。
作为“全球实时互动云第一股”，声网在过去多年持续攻坚“听到、听懂、理解”三大难题；据“趣解商业”了解，声网对话式 AI 相关用量在 2025 年第三季度实现 151% 的环比增长，展现出强劲的市场需求。
声网近期还推出了对话式 AI 引擎 2.0，对话式 AI 开发套件、对话式 AI 模型评测平台和对话式 AI Studio，加速对话式 AI 在实时互动行业的应用创新。声网创始人兼CEO赵斌表示，截至目前，声网年度服务分钟数首次突破1万亿分钟，标志着 RTE 技术已成为数字社会不可或缺的基础设施。
据“趣解商业”了解，声网对话式 AI 引擎落地案例丰富，例如为豆神 AI的互动课提供实时语音交互支撑，实现 AI 教师与学生自然流畅对话；为赋之家庭陪伴机器人打造情感化语音交互，增强陪伴体验；为珞博智能的 AI 宠物 Fuzozo优化 AI 交互的实时性和稳定性，带来个性化情感陪伴体验。此外，MiniMax Chat、星野的语音对话功能，智谱清言的视频通话功能、商汤商量的实时音视频交互，背后都有声网的技术支撑。
声网推出对话式AI引擎后，将其视作新的增长曲线；然而从声网母公司Agora, Inc.（ NASDAQ：API ）发布的财报来看，目前这项业务的收入对公司业绩增长的贡献尚不明显。
Agora, Inc.是Agora和声网两家独立企业的控股公司，它们的业务通过各自的子公司和可变利益实体进行管理。Agora, Inc.从今年一季度扭亏为盈，今年一季度和二季度分别收入3327万美元和3425.9万美元，同比增长0.8%和0.1%。
“趣解商业”注意到，今年上半年，面向中国市场的“声网中国”和面向海外市场的“Agora”业绩显露出不同的趋势，公司增长全部由面向海外市场的Agora贡献，而声网中国的收入则是连续两季度同比下降。
财报数据显示，Agora在2025年第二季度收入为1820万美元，同比增长16.7%，而声网中国收入为1.155亿元人民币（约合1610万美元），同比下降12.4%。Agora, Inc.在财报中解释，Agora的增长主要得益于业务拓展以及直播购物等领域使用量增长，具体来源于API调用增加还是对话式AI引擎产品的销售，无法确定；声网中国的收入减少则源于某些终端销售产品的停售，如果加上这部分则收入与去年同期基本持平。
“趣解商业”注意到，Agora, Inc.在电话会议中披露了声网中国的客户数量，截至3月末和6月末，其活跃客户数量分别为1994和1997，几乎没有增长。
另外值得注意的是，今年二季度，Agora, Inc.的研发费用为1400万美元，占总收入的40.9%，这对一家刚刚扭亏的公司而言仍是一笔不菲的支出；但相比去年同期的1810万美元研发费用，同比下降23.0%，主要原因是公司优化全球员工队伍，导致人员成本下降，其中包括股权激励费用从2024年第二季度的210万美元降至2025年第二季度的100万美元。
值得一提的是，今年Agora的核心高管也出现了人事变动。今年8月，Agora宣布公司董事、首席技术官和首席科学家钟声（Shawn）离职，其运营职责被移交给公司创始人、董事长兼首席执行官赵斌；现任公司声网（Agora）首席营收官、联合创始人Tony Wang和现任公司首席财务官的王静波已被任命为公司董事。
在AI浪潮中“卖铲子”是门好生意，但赚到钱的前提是“铲子”足够好用。为了拿出更多定制化、差异化的语音技术服务，声网这类垂直服务商需要持续的研发投入保持竞争优势。可以预见的是，随着多模态AI应用的普及，那些能够提供低延迟、高稳定性、自然交互体验的技术平台，将在下一轮竞争中占据更加有利的位置。
本文为作者独立观点，不代表鸟哥笔记立场，未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问，请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2025 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求，为完善跟帖评论自律管理，为了保护用户创造的内容、维护开放、真实、专业的平台氛围，我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容，同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规，对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息，主要表现为：
1)反对宪法所确定的基本原则；
2)危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一，损害国家荣誉和利益；
3)侮辱、滥用英烈形象，歪曲、丑化、亵渎、否定英雄烈士事迹和精神，以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉；
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动；
5)煽动民族仇恨、民族歧视，破坏民族团结；
6)破坏国家宗教政策，宣扬邪教和封建迷信；
7)散布谣言，扰乱社会秩序，破坏社会稳定；
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序；
10)侮辱或者诽谤他人，侵害他人名誉、隐私和其他合法权益；
11)通过网络以文字、图片、音视频等形式，对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法规禁止的其他内容；
2. 不友善：不尊重用户及其所贡献内容的信息或行为。主要表现为：
1)轻蔑：贬低、轻视他人及其劳动成果；
2)诽谤：捏造、散布虚假事实，损害他人名誉；
3)嘲讽：以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述，以此来激怒他人；
4)挑衅：以不友好的方式激怒他人，意图使对方对自己的言论作出回应，蓄意制造事端；
5)羞辱：贬低他人的能力、行为、生理或身份特征，让对方难堪；
6)谩骂：以不文明的语言对他人进行负面评价；
7)歧视：煽动人群歧视、地域歧视等，针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击；
8)威胁：许诺以不良的后果来迫使他人服从自己的意志；
3. 发布垃圾广告信息：以推广曝光为目的，发布影响用户体验、扰乱本网站秩序的内容，或进行相关行为。主要表现为：
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式：
2)单个帐号多次发布包含垃圾广告的内容；
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容；
4)多次发布包含欺骗性外链的内容，如未注明的淘宝客链接、跳转网站等，诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光；
6)购买或出售帐号之间虚假地互动，发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容，如通过伪造经历、冒充他人等方式进行恶意营销；
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息，主要表现为：
1)包含自己或他人性经验的细节描述或露骨的感受描述；
2)涉及色情段子、两性笑话的低俗内容；
3)配图、头图中包含庸俗或挑逗性图片的内容；
4)带有性暗示、性挑逗等易使人产生性联想；
5)展现血腥、惊悚、残忍等致人身心不适；
6)炒作绯闻、丑闻、劣迹等；
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息，主要表现为：
1)可能存在事实性错误或者造谣等内容；
2)存在事实夸大、伪造虚假经历等误导他人的内容；
3)伪造身份、冒充他人，通过头像、用户名等个人信息暗示自己具有特定身份，或与特定机构或个人存在关联。
6. 传播封建迷信，主要表现为：
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病；
2)求推荐算命看相大师；
3)针对具体风水等问题进行求助或咨询；
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失，包括通过占卜方法问婚姻、前程、运势，东西宠物丢了能不能找回、取名改名等；
7. 文章标题党，主要表现为：
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户；
2)内容与标题之间存在严重不实或者原意扭曲；
3)使用夸张标题，内容与标题严重不符的。
8.「饭圈」乱象行为，主要表现为：
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论，影响传播秩序
9. 其他危害行为或内容，主要表现为：
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的；
2)不当评述自然灾害、重大事故等灾难的；
3)美化、粉饰侵略战争行为的；
4)法律、行政法规禁止，或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时，本网站将依据相关用户违规情节严重程度，对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号，或者滥用多个帐号发布违规内容时，本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富，本网站出于维护本网站氛围和秩序的目的，将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议，可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)